Prihantoro, David Nur (2025) KLASIFIKASI BAKTERI E. COLI MENGGUNAKAN ALGORITMA SVM DAN NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (766kB) |
|
Text (BAB I)
BAB I.pdf Download (358kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (813kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (500kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB V)
BAB V.pdf Download (162kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (122kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 21.12.1853.zip Restricted to Repository staff only Download (303kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (484kB) |
Abstract
Klasifikasi bakteri Escherichia coli (E. coli) merupakan langkah penting dalam bidang mikrobiologi dan kesehatan untuk mendeteksi serta menganalisis berbagai strain bakteri yang berpotensi berbahaya. Penelitian ini bertujuan untuk mengembangkan klasifikasi E. coli dengan menggunakan dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Naïve Bayes. Pengembangan dilakukan melalui penyusunan pipeline klasifikasi yang mencakup preprocessing data, pemisahan data latih dan uji, pelatihan model, evaluasi kinerja, serta visualisasi hasil klasifikasi. Kedua algoritma diterapkan pada dataset E. coli untuk mengevaluasi akurasi, presisi, recall, dan f1-score dalam membedakan strain bakteri berdasarkan karakteristik numeriknya. Hasil eksperimen menunjukkan bahwa SVM memiliki keunggulan dalam menangani data berdimensi tinggi dan memberikan akurasi yang lebih tinggi dibandingkan dengan Naïve Bayes. Namun, Naïve Bayes tetap menunjukkan performa yang kompetitif, terutama dalam kecepatan komputasi dan interpretabilitas. Penelitian ini menegaskan bahwa pengembangan klasifikasi berbasis machine learning dapat memberikan solusi efektif dan efisien dalam identifikasi bakteri E. coli, yang berpotensi mendukung penerapan di bidang medis dan mikrobiologi.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | E. Coli, Klasifikasi, Support Vector Machine, Naïve Bayes, Pengembangan | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus | ||
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 12 Aug 2025 04:16 | ||
| Last Modified: | 12 Aug 2025 04:16 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/30264 |
Actions (login required)
 |
View Item |